| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景和研究意义 | 第9页 |
| 1.2 特征表达方法及研究现状 | 第9-12页 |
| 1.2.1 颜色特征 | 第10-11页 |
| 1.2.2 纹理特征 | 第11-12页 |
| 1.3 分类器的研究现状 | 第12页 |
| 1.4 研究主要内容 | 第12-15页 |
| 1.4.1 研究主要内容 | 第13-14页 |
| 1.4.2 论文结构 | 第14-15页 |
| 2 锯材表面图像检测系统及预处理 | 第15-19页 |
| 2.1 实验设备 | 第15页 |
| 2.1.1 图像采集系统 | 第15页 |
| 2.1.2 软件系统 | 第15页 |
| 2.2 锯材样本图像 | 第15-16页 |
| 2.3 表面图像灰度化 | 第16-18页 |
| 2.4 本章小结 | 第18-19页 |
| 3 锯材图像颜色与纹理特征表达方法研究 | 第19-36页 |
| 3.1 颜色特征提取 | 第19-22页 |
| 3.2 基于L~*a~*b~*空间的样本颜色优选 | 第22-25页 |
| 3.3 纹理特征提取 | 第25-34页 |
| 3.3.1 小波变换 | 第25-28页 |
| 3.3.2 树复小波变换原理 | 第28-31页 |
| 3.3.3 纹理分类实验结果与分析 | 第31-34页 |
| 3.4 本章小结 | 第34-36页 |
| 4 基于离散粒子群算法的特征选择方法研究 | 第36-43页 |
| 4.1 引言 | 第36页 |
| 4.2 粒子群算法 | 第36-39页 |
| 4.2.1 粒子群算法原理 | 第36-37页 |
| 4.2.2 离散粒子群算法 | 第37-38页 |
| 4.2.3 粒子群算法的求解步骤 | 第38-39页 |
| 4.3 特征优选过程与结果分析 | 第39-42页 |
| 4.3.1 特征优选的实现 | 第39-41页 |
| 4.3.2 实验结果与分析 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 5 基于压缩感知理论的锯材表面纹理缺陷分类方法研究 | 第43-55页 |
| 5.1 引言 | 第43页 |
| 5.2 压缩感知分类算法 | 第43-48页 |
| 5.2.1 压缩感知基本理论 | 第43-46页 |
| 5.2.2 压缩感知分类算法求解步骤 | 第46-48页 |
| 5.3 锯材分选实验与分析 | 第48-54页 |
| 5.3.1 锯材分选流程 | 第48-49页 |
| 5.3.2 实验结果与分析 | 第49-54页 |
| 5.4 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读学位期间发表的学术论文 | 第61-62页 |
| 致谢 | 第62-63页 |